SPSS分析技术:最小一乘法;制造企业如何合理安排生产计划
最小二乘法的原理是以预测值和实测值之差(残差)的平方和达到最小作为判断模型优劣的评判标准,应用十分广泛。没有放之四海而皆准的真理,最小二乘法同样不是万能的,它也有自身的弱点,最主要的缺点就是对强影响点(极端数据值)特别敏感。大家可以想象,最小二乘法评价模型好坏的标准是残差平方和,因此,绝对值越大的残差(极端值),平方之后,该数据值的影响就会被放得更大,从而导致回归线会明显偏向强影响点。因此,在存在异常值(极端值)时,可以考虑采用其它的回归模型拟合方法。本篇文章介绍的就是其中一种替代性方法,最小一乘法。
最小一乘法的原理其实很简单,就是将最小二乘法中考察的残差平方和换成残差绝对值,这样可以在一定程度上减小极端值(异常值)对模型趋势的影响力。由于原理简单,本篇文章就不在原理上多费笔墨,直接用例题来介绍如何使用最小一乘法,以及它的效果如何。
应用实例
超耗是制造企业都不愿意看到额外成本支出,特别是快消品类的制造企业,提高生产稳定性,减低超耗成本直接关系到企业的生产成本。某国际知名的食品公司在中国投巨资建设了一家高度自动化的熟食制造企业,在产品调试过程中超耗异常严重,所以计划部门在前期物料准备时都按仓库的最大存储量备货。生产逐步稳定以后,计划部门希望能够通过对前期数据的分析,找到合理的原料储备量,这样既能够减低原料过期风险,也能够减少滞留在原料上的生产成本。已知该工厂生产的产品由5种原料构成,但是成本主要受其中两种原材料的影响,为及时调整生产,协调库存,计划部门收集了一批产品产量与两种原材料消耗量的数据,希望建立原材料消耗量与产品产量间的回归方程,用于生产原料预测和采购参考。
分析思路
案例共有两个自变量(两种生产原料),一个因变量(产品产量)。根据常识可知,标准化生产的产品都是固定规格的,因此原料和产量间的关系是非常明确的线性关系,但是由于生产线上残次品,生产工艺缺陷原因造成的物料损耗等必然超耗的存在,每种原料的真实使用量与产品规格内原料比例存在差异。这里的超耗可以分成两种情况,如果是由生产线不稳定引起的,那么超耗的波动是很大的,而且时高时低;如果是由工艺缺陷引起的超耗,那么这部分损耗在工艺缺陷没有改进取值会一直稳定的存在。根据以上的分析,可以先对数据进行多元线性回归分析,然后与原有规格比例对比。
线性回归分析
线性回归分析的SPSS操作过程已经在前面介绍过了(回顾:数据分析技术:多重线性模型;也难也不难的建模从这里开始吧!),这里省略操作步骤,直接解释结果。
由上表的分析结果可知,两种原材料都和产品产量有线性关系,相应的二元线性回归方程为:
为了观察数据分布情况和回归方程的拟合情况,绘制两种原材料消耗量与产品产量之间散点图:
从上图可以看出,两种原料消耗量和产量间均呈较明显的线性关系,图中还分别绘制出采用最小二乘法拟合出的两个自变量回归方程的回归线。但其中原料1和原料2都存在一些数据点偏离主要趋势较远的情况出现,这也充分体现了新生产线生产过程不稳定的特点,偶尔出现生产故障导致的原料消耗过多,在回归模型中表现为强影响点(异常值)。由于后期生产会越来越稳定,在保证生产的前提下,原料的使用量受极端值的影响情况会越来越少,因此可以考虑降低极端值对回归曲线的影响力,采用最小一乘法拟合线性模型。
操作步骤
1、选择菜单【分析】-【回归】-【非线性回归】,在跳出的对话框中进行如下操作。在因变量框中选择产量,在模型表达式框中输入二元线性回归方程a+b1*x1+b2*x2。由于线性回归模型比较简单,可以将模型的三个参数初始拟合值都选为1。
2、由于我们希望对数据进行最小一乘法拟合,所以还需要进行损失设置。点击右上角的【损失】按钮,在跳出的对话框中进行如下操作。
3、点击继续,完成设置,然后点击确定,输出结果。
结果分析
由于最小一乘法在统计理论上无法进行最小二乘法那样严密的推导,所以分析结果非常简单,仅给出了迭代计算过程,最终迭代终止时的参数值即为参数估计值。下表是结果输出的迭代计算记录表,进行了14次迭代计算。
从最后的迭代计算结果可知,最小的残差绝对值之和为1029. 896。根据第14次的结果,可以写出生产数据经过最小一乘法拟合之后,得到的回归方程结果为:
与最小二乘法得到的模型相比,三个模型参数的估计值都有很大变化,特别是常数项,从124减少为9.441。究竟哪个模型更为合理?由于过往用于判断模型效果的决定系数、剩余标准差等指标都是基于最小二乘法推导而来,因此无法使用它们来判断。不过我们可以通过残差分布图来直观判断两种结果的效果。
从散点图可知,对于大部分纪录,最小一乘法的预测残差都要小于最小二乘法残差,这说明一乘法模型对大部分散点的拟合效果是比二乘法好的。注意红框中的两个数据点,最小一乘法的残差明显大于最小二乘法的,这说明最小一乘法对于强影响点(极端值)更有耐受力。我们可以做出下面的结论:最小一乘法拟合的模型对大多数散点的拟合效果比最小二乘法拟合的模型好,但对于个别强影响点的拟合效果是更差的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17